２０１８年第３７卷第５期　传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ　ａｎｄ　Ｍｉｃｒｏｓｙｓｔｅｍ　Ｔｅｃｈｎｏｌｏｇｉｅｓ）　５　ＤＯＩ：１０．１３８７３／Ｊ．１ＯＯＯ－－９７８７（２０１８）０５－－０００５－０５　

自主移动机器人避障技术研究现状　晋晓飞　，王　浩　，宗卫佳　，王鹏程　，王　策　，。　（１．南京航空航天大学仿生结构与材料防护研究所，江苏南京２１００１６；　２．南京航空航天大学自动化学院，江苏南京２１００１６；３．南京航空航天大学航天学院。江苏南京２１００１６）　

摘要：对避障技术的核心内容暨避障算法展开归纳介绍，依照传统算法和智能算法分类，详细介绍了应　用较多的各避障算法的基本原理、优缺点及部分改进方案；对自主移动机器人避障技术的应用前景和发展　趋势作出了展望。　关键词：自主移动机器人；避障；路径规划　中图分类号：ＴＰ２４２　文献标识码：Ａ　文章编号：１０００－－９７８７（２０１８）０５－－０００５－－０５　

Ｒｅｓｅａｒｃｈ　ｓｔａｔｕｓ　０ｆ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ｔ０ｒ　ａＵｔ０ｎ０ｍ０ＵＳ　ｍ０　ＤｌＩｅ　ｒ０　Ｄ０ｔＳ　ｎ　Ｊ　１　●■　ｌ　Ｊ　ＪＩＮ　Ｘｉａｏ．ｆｅｉ　，ＷＡＮＧ　Ｈａｏ　．一，ＺＯＮＧ　Ｗｅｉ－ｊｉａ　．一，ＷＡＮＧ　Ｐｅｎｇ．ｃｈｅｎｇ　，ＷＡＮＧ　Ｃｅ　，。　（１．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｂｉｏ－ｉｎｓｐｉｒｅｄ　Ｓｔｒｕｃｔｕｒｅ　ａｎｄ　Ｓｕｒｆａｃｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ　ａｎｄ　Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ　２１００１６，Ｃｈｉｎａ；　２．Ｃｏｌｌｅｇｅ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ　ａｎｄ　Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ　２１００１６，Ｃｈｉｎａ；　３．Ｃｏｌｌｅｇｅ　ｏｆ　Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ　ａｎｄ　Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ　２１００１６，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｃｏｒｅ　ｃｏｎｔｅｎｔ　ｏｆ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｔｅｃｈｎｏｌｏｇｙ　ｏｒ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ａｒｅ　ｓｕｍｍａｒｉｚｅｄ，　ｃｌａｓｓｉｆｉｅｄ　ｂｙ　ｔｒａｄｉｔｉｏｎａｌ　ａｎｄ　ｉｎｔｅｌｌｉｇｅｎｔ　ａｌｇｏｒｉｔｈｍｓ．Ｔｈｅｉｒ　ｂａｓｉｃ　ｐｒｉｎｃｉｐｌｅｓ，ｔｈｅ　ｍｅｒｉｔｓ　ａｎｄ　ｄｉｓａｄｖａｎｔａｇｅｓ，ａｎｄ　ｐａｒｔｉａｌ　ｉｍｐｒｏｖｅｍｅｎｔ　ｓｃｈｅｍｅｓ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ　ｉｎ　ｄｅｔａｉｌ．Ａｐｐｌｉｃａｔｉｏｎ　ｆｏｒｅｇｒｏｕｎｄ　ａｎｄ　ｄｅｖｅｌｏｐｉｎｇ　ｔｒｅｎｄ　ｏｆ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ｆｏｒ　ａｕｔｏｎｏｍｏｕｓ　ｍｏｂｉｌｅ　ｒｏｂｏｔｓ　ａｒｅ　ｐｒｏｓｐｅｃｔｅｄ．　Ｋｅｙｗｏｒｄｓ：ａｕｔｏｎｏｍｏｕｓ　ｍｏｂｉｌｅ　ｒｏｂｏｔ；ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ；ｐａｔｈ　ｐｌａｎｎｉｎｇ　

０引　言　自主移动机器人的智能避障指机器人通过传感器检测　到障碍物并采集其状态信息，按照一定的算法进行的路径　规划，从而避开障碍物，最终到达目的地。如何让机器人判　断障碍物，并躲避，是机器人避障中的２个关键问题　。　自主移动机器人的避障问题分为２类：障碍物环境信　息完全已知和障碍物环境信息未完全已知。前者机器人避　障属于全局路径规划；后者或完全未知情况下的机器人避　障属于局部路径规划　］。大多情况下，机器人所处外部　环境动态未知，传统避障算法在这些情况下将出现很多　缺陷。　近些年研究提出的智能避障算法在很大程度上弥补了　传统算法的不足，本文按照传统避障算法与智能避障算法　对自主移动机器人避障技术进行分类，分析优缺点，并介绍　了一些改进的算法。　１　自主移动机器人避障技术　１．１传统避障算法　传统避障方法主要实现机器人无碰撞全局路径规划，　经典的算法有以下几种：　１．１．１人工势场法　人工势场法于２Ｏ世纪８Ｏ年代由Ｋｈａｔｉｂ　Ｏ等人　提　出。将移动机器人的运动当作一个质点在一种抽象的人造　势力场中的运动：目标点对质点产生引力，而障碍物对质点　产生斥力，依据合力确定移动机器人的运动方向和路径。　人工势场法具有结构简单、容易实现的优点，且规划后的路　径比较平滑。不过这是一种局部寻优的方法，对于相对复　杂的动态环境，不合理的势场方程容易使机器人陷入局部　最小点。　Ｈｕａｎｇ　Ｙ等人　提出了带记忆功能的沿墙（Ｗａｌｌ－　ｆｏｌｌｏｗｉｎｇ）方法帮助机器人跳出局部最小点。徐飞　提出了　

收稿日期：２Ｏ１７＿ｏ５—１５　基金项目：国家高技术研究发展计划（“８６３”计划）资助项目（２０１５ＡＡ０４２３０４）；国家自然科学基金重点资助项目（６１２３３０１４）　６　传感器与微系统　第３７卷　一种基于相对速度的改进人工势场法，针对传统路径规划　中局部最小点问题，提出了设置中间目标点的方法，给机器　人一个外力以避免其在局部最小点处停止或者徘徊，确保　机器人能够逃出最小点陷阱并顺利到达目标位置。　１．１．２栅格法　Ｂｏｒｅｎｓｔｅｉｎ　Ｊ和Ｋｏｒｅｎ　Ｙｌｇ　提出了基于栅格法的机器人　避障，主要原理是将机器人的工作环境分割成为一系列具　有二值信息的栅格单元，且将累积值放人每个矩形栅格中，　累积值越高表明存在障碍物的可能性越大。栅格大小决定　了算法的性能。若选择栅格较小，环境信息存储量即变大，　机器人决策速度变慢，抗干扰能力变差；若选择栅格较大，　环境信息存储量变小，决策速度变快的同时却降低了分辨　率，导致了机器人在复杂障碍物环境下的通过能力减弱，增　加碰撞风险。　Ｚｈａｏ　Ｋ　Ｋ等人　提出了基于射频识别（ｒａｄｉｏ　ｆｒｅｑｕｅｎｃｙ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ＲＦＩＤ）系统的栅格法，借助网格划分、信息处　理和无线通信，计算机计算出最短路径，并以标签的形式存　储，通过标签和机器人之间的通信，机器人通过与后台支持　数据库交互完成路径规划，路径规划效率大幅提高。华剑　锋等人”　提出了变分辨率栅格模型的方法，模型基于四叉　树思想构建，不仅考虑了地形表达数据冗余度和精度，而且　有效消除了地物“边缘效应”的影响，在此基础上，设计了　一种启发式有向路径规划算法，既可以在连续空间中规划　出最优路径，又可以提高路径规划的计算效率。　１．１．３　Ａ　算法　尼尔森等人在１９８０年提出了Ａ　算法”　，是一种应用　很广的启发式搜索算法。利用空间启发式信息，通过对比　选择恰当的评估函数，通过动态搜索策略，求出移动机器人　的最优规划路径。Ａ‘算法在全部已知且比较简单的环境　中，搜索速度非常快，并能找到最优路径。但Ａ　算法搜索　路径的优化性较差，对于比较复杂的未知环境，搜索效率　不高。　刘斌等人　副提出了一种基于Ａ　算法的动态多路径规　划方法，结合Ａ　算法与矩形限制搜索区域算法　，给出了　一种求解单一优化路径的动态路径规划算法。同时提出了　一种重复路径惩罚因子，可以利用其一次搜索出多条优化　路径。方昕等人　将Ａ　算法与栅格法进行有效结合，改　进Ａ　算法采用多个栅格包络障碍物方式，利用顶点外延　节点生成路径来构造连通图。在此基础上，引入了平滑度　概念，将算法应用于二维空间进行机器人路径规划，提高了　算法搜索效率。　１．１．４可视图法　Ｊａｎｅｔ　Ｊ　Ａ　将目标、障碍物以及机器人的各个顶点看　作节点，再将所有节点进行组合相连，连线称为弧，并且设　定各节点之间连接而成的弧均不能穿越障碍物，将弧看作　可视的。该方法直观易懂，可得到最短的路径；但当移动机　器人的起点或终点发生变化时，需要重构可视图，如果环境　中障碍物较多，重构地图的过程会很复杂，搜索路径的时间　就会加长。　杨淮清等人　提出了一种基于可视图法的移动机器　人路径规划算法，将复杂轮廓的障碍物近似看成矩形或者　多个矩形的组合体，以此建立障碍物边界地图，实现了路径　规划。陈超等人　利用射频识别系统，通过超高频射频识　别系统与低频射频识别系统的联合运用实现准确定位，将　可视图法与Ａ　算法相结合，提出了一种路径规划算法，在　提高搜索效率的同时保证了规划路径的可行性。　１．１．５自由空间法　自由空间法通过将移动机器人路径规划转变为在自由　空间内的路径寻找解决路径规划问题，采用自定义的几何　形状构建地图环境，同时将地图环境表示为连通图，最终通　过对图的搜索实现了路径规划　。　。自由空间法原理简　单，在起点和终点发生变化时，仅需重新定位，不需重绘整　幅地图，易于实现；但当环境中存在复杂障碍物时，连通图　会变得很复杂，算法实现困难，并且不能保证生成最优　路径。　卢晓军等人　提出了一种基于自由空间的路径规划　方法，结合启发式Ａ　算法进行路径搜索，产生从初始位置　到目标位置的最优路径。　１．１．６拓扑法　拓扑法将移动机器人的运动空间划分为具备拓扑特征　的一系列节点，并构建拓扑关系网，在所构建关系网上连接　出起点和终点间的几何路线，最终将几何路线转化为移动　机器人的几何路径　。拓扑法缩小了搜索范围，且不需要　获得移动机器人在环境中的精确定位，对位置误差的处理　具有很好的鲁棒性。但建立整个拓扑网络是个复杂的过　程，且当环境中障碍物发生变化时难以快速准确地修改拓　扑网络。　吴海涛等人　提出了一种基于邻接矩阵网络拓扑树　构建的路径寻优方法，引入路网节点间邻接关系，将路网按　照其节点邻接关系归类划分为以路网节点间邻接值为表征　的路网拓扑进化树，同时对路径寻优问题中目标节点进行　动态回溯分类，在限定路网搜索区域的同时采用分支定界　搜索策略进行搜索优化，降低了搜索算法的时间复杂度。　此外，目前还有快速扩展随机树（ｒａｐｉｄｌｙ—ｅｘｐｌｏｒｉｎｇ　ｒａｎ—　ｄｏｒａ　ｔｒｅｅ，ＲＲＴ）算法、遗传算法等。ＲＲＴ算法采用随机查询　采样搜索，经过一个优化策略对外部空间进行信息采样，执　行最佳路径策略；ＲＲＴ算法对全局环境有较大的依赖性，　且实时性较差［９４］。遗传算法是由美国的Ｈｏｌｌａｎｄ　Ｊ　Ｈ　提